anysearch的优缺点有哪些

如果你在用 codex 却还没装这个 skill， 就 别怪你的额度总是不够用了，因为在你使用 codex 的 时候啊，它不可避免的要去网上搜索各种信息，比如查找文档，做用户调研、爬 github 仓库，甚至我之前的 ai 捡爆系统， 也是需要 codex 去帮我搜索搜集 ai 资讯的。但搜索其实非常消耗头肯，因为 agent 每打开一个网页，都可能把大量的皱纹、无关的网页代码、广告信息都带进上下文里搜索，轮次一多呀，你的额度就吃不消了。 agent 这个 skill 就是 专门用来解决这个问题的， 因为 agent 在 使用这个 skill 的 时候，会自动调用 agent 的 a p i， 所有搜索工作搞定后，再通过 markdown 的 格式传回给 agent。 这样一来，最重的那些活全部交给 any search 了，我们自己的 agent 就 轻松很多，使用方法也非常的 ai 原声， 我们在它的官网上复制这个 skill 的 命令，粘贴发给 codex， 它自动就会安装好了。我们只需要在对话中调用它， codex 就 能自动使用。我们立刻来测试一下，首先引用 any search 这个 skill， 然后让 codex 帮我们对比下过去一周 cloud code 和 anti gravity 这三款主流的 ai 开发工具，在国内的社媒和论坛中哪个更受欢迎。 最后用一个简洁美观的 html 网页呈现给我们，我们先看一下额度啊，现在是百分之九十八，点击发送 any search 收到请求后，会从海量的信息渠道中精准路由到最相关的数据源。 我们来看看结果。首先他给出了结论， codex 综合第一，下面有一个评分表，然后就是比较重要的量化样本表， any search 追踪了 npm 下载量、 reddit 评论和 hacker news 的 帖子， 下面还有一些基于搜索结果定性的分析。从样本来源我们看到他搜索了非常多的网站，从安装源到国内的社区、论坛到官网都涉及到了， 搜索质量很高，整体消耗了我 codex 五小时额度的十八个点。同时我还让 codex 在 不使用 any search 这个 skill 的 条件下，用同样的 prompt 跑了一次，这是最终的结果。 整体呈现上信息简略了一些，搜索员也大幅减少消耗的额度，还比之前多出了五个点，这就是低效搜索带来的隐性成本。 所以 any search 的 价值呢，就是把这类重活儿专门交给搜索技术设施来完成。当然它也可以直接在网上进行初步体验，从专业维度到普通生活的各个领域都能覆盖，非常推荐。好了，我是阿朱，关注我，让我们一起在 ai 潮头冲浪！

帮朋友们在 get up 上挖了一个宝藏级的相貌，养龙虾或者用哈姆斯的朋友都知道，我们要让他们搜一些专业的数据或者资料，用 web search 基本是拿不到专业数据的。但如果我们介绍这个 scar 拿到的数据会让我们眼前一亮，他几乎支持市面上所有主力的 agent。 先给朋友们看看哦，用他和不用他拿到的数据有什么不同？我先让我的 harmes 不用 any sorch， 全网搜索二零二五年选科委历史化学生物科目推荐的五十个专业，并给出未来的就业方向。他开始了哦，我们等他出结果 来了，这是他没用 any search 给的数据。现在呢，我用同样的提示词让他使用 any search， 我们等他出结果啊来了。后面我们看到他给的建议，因为呢，数据太多，所以呢，我直接让 harmers 把这两板数据做一次颗粒级的比对，用表格呈现出 对比结果。这是最终的结论啊，在十个对比维度中，报告二胜出六个，持平四个，并且呢，他有四个核心差异。 其实啊，如果朋友们也想用上这个项目，安装呢，非常简单，我以 hammers 为例，手把手带朋友们走一遍。我们在他的 redmi 文件中呢，找到这个 for hammers， 然后按照指引拿到他的文件包。我把我的 hammers 的模型先切换到 dipsec vs pro。 现在呢，我们复制我们包文件的绝对路径，直接丢给 hammers， 给他说这句话啊， 看，他开始了。在他执行任务的过程中呢，我们去拿一下他的 a p r k。 我们进到这里啊，点击一下，快速集成，点击获取 a p r k 新建密奥，我们开一个新的中段，写入环境变量，我们回到 hammers， 告诉他已经写入环境变量，让他读取看。这样呢，就全部配置结束了。是不是很简单？我现在让 hammers 帮我制定一份计划，探索一下他的能力边界 来了。它的重点呢，在于垂直领域的覆盖和垂直搜索。所以呢，以后我们要想拿到更加专业，更垂直的搜索结果，那爱丽丝是一个非常不错的选择。

到底谁的龙虾，还没有 any search 的 助力？专为 ai a 政打造的搜索插件 any search 上线仅一周，便在海外 ai 开发者圈掀起热潮，登顶 cloud hub 榜单。 reddit x 平台上很多开发者实测推荐这款打破传统搜索边界的工具，究竟是带来了怎样的体验升级？ 我们用 ai 助手 minus 分 别在原声模式和接入 any search 模式下进行了实测对比。首先，在目前关注度很高的具身智能领域我们进行了测试，在人形机器人奔跑速度、关键零部件技术分析中差距更为明显。原声 minus 只能给出泛泛的零部件分类和作用描述， 而接入 any search 后直接调用了 i e e e explorer。 学术文献早稻田大学最新研究成果，提供了踝关节准刚度范围 准直区减速比等具体技术参数，还加入了二零二六年北京易装机器人半程马拉松的最新行业案例，让技术分析更具深度和时效性。在开发者比较关心的企业级 ai agent 后端框架选型问题上， 原生 minus 只能给出 lange 零点三和 lema index 零点一二的基础功能对比和通用选型建议，对两个版本的核心升级特性拆解不够深入，也缺乏对企业级关键能力的全面覆盖。 而接入 any search 后，则补充了 lanchen 零点三中 land graph 的 精细化控制、可调试性等核心优势，以及 lamb smith 在 生产及可观测性上的具体能力， 并且详细拆解了 lamb index 零点一二的 lamba parts 文档解析技术、 workflows 的 数据驱动设计，以及 lamba cloud 提供的企业级安全合规与托管服务，给出了更清晰的分场景选型建议和混合使用的具体方案， 为技术决策提供了更充分、更具实操性的依据。区别于 google、 百度等传统搜索引擎和 peril brave 等现有 ai 搜索工具， any search 通过统一接口接入多类垂直信息源，打破了登录页面专业系统的信息壁垒，为 ai agent 提供更优质、实时、准确的结构化数据。 对于国内开发者而言， any search 的 出现不仅是多了一个搜索工具，更是为 ai a 证的能力边界打开了全新可能。当 ai 不 再受限于训练数据的时间和范围，能够实时获取全球最新的学术成果、 行业动态和专业知识，我们离真正智能的通用人工智能又近了一步。目前， any search 面向所有个人开发者免费开放体验，可接入任意 agent ai 工作流使用，每一个感兴趣的用户都可以前往官网抢先体验，用更强大的底层搜索能力构建属于自己的下一代 ai 应用。

快来给你的 agent 装上一个专业的搜索入口！你会发现，很多任务不是 agent 不 会做，而是他根本拿不到该拿的数据。通用搜索能找到网页，但像实时行情、 法律判例、学术资料、代码、实线安全情报这些垂直信息往往不在一个入口里。所以最近我在测 any search。 any search 是 ai 时代的搜索基础设施，为 ai agent 打造了高质量且统一的搜索入口。现在官网试一下。比如说我让他查些 的旅游攻略出来了非常多的信息源。再比如说我查 products 的 十个实用案例， products 不 需要你手动指定数据源，它会根据你的搜索意图，自动路由到合适的数据源，这是它找的结果。例如 products 以及 openclo。 这种 ai agent 后体验更明显。我这里用 products 做一个内容创作演示。比如说我让他调用 anysearch skill， 帮我找五个适合本周发布的 ai 工具内容选题，并补充 可参考的案例，疏通痛点以及我对脚本切入角度。这样 agent 不 只是帮你写文案，还能先完成选题调研、案例搜集和素材整理。不需要知道数据来自哪里，只要发出任务，编辑 search， 就 能帮你拿到更干净、更结构化的数据，减少来回筛选和无效。 tokins 我 觉得它适合 air agent， 点主要有五个， 第一个是匿名使用无追踪零遥测。第二个是一个统一入口，每间多领域数据源。第三个是原声支持 a， t， i， m， c， p 和 skill 的 接入。第四个是自动识别意图并路由。第五个是从专业深度到生活广度， 覆盖了 ai agent 的 全场景需求。如果你正在做 agent， 或者经常需要高质量资料解锁，可以去 any search 官网试试，也可以看它的 github。

anysearch 是 ai 时代的搜索基础设施，如果你还在用普通搜索加 ai， 那 么你已经落后一代了。每天一个硬核的网站。第一百二十一期本期要讲的是 anysearch， 很多人以为现在的 ai 什么都知道，但其实很多 ai 搜的还是普通搜索引擎，像实时金融、法律判例代码实现这些专业数据，传统搜索根本查不到，而 anysearch 可以 直接帮 ai 政策连接这些专业数据源。 先看官网版，我直接在页面上输入问题，你会发现它不只是一个搜索框，它还有一个很关键的能力，搜索分层。比如它可以把内容分成通用生活方式、娱乐垂类等一级分类，甚至还能继续细分到二级、 三级分类。也就是说，它不是在帮你搜关键词，而先判断你到底想问哪类信息。比如同样是娱乐，可以拆成娱乐影视、娱乐影视源数据等不同路径，然后系统会自动路由到最合适的数据源，最后返回的也不是网页列表，而是已经整理好的结构化结果。 再看 agent 接入版，这里我用 codex 接入 any search， 那 么现在 agent 就 不只是聊天，而是真的可以调用专业的搜索能力。不管是查球赛数据、法律信息代码实现，还是做毕业旅行、 五二零约会攻略，都可以直接整合输出，并且它原生支持 a p、 i m、 c p 和 skill 接入，可以很方便接入各种 ai 工作流。还有一点比较关键，那就是它匿名使用，无追踪、零遥测，有些工具用过之后才会知道， ai 真正的瓶颈不是生成能力，而是信息获取能力。

你会发现一个问题，现在不管你用什么智能体去搜东西，搜出来的全是表面信息。你让他查黄金期或十走势，他就让你自己去找，你让他查法律案例，他完全不知道去哪走，一头雾水。为什么？因为互联网上大部分的信息藏在各种专业数据库里，普通搜索引擎根本碰不到。 金融行情、法律案例、学术论文、专业论坛，普通搜索压根进不去。今天教你一个方法，一分钟给龙虾装上一个技能，让他直接穿透这些数据库。这个技能叫 anysearch， 是 ai 时代的搜索基础设施，它聚合了金融、法律、学术、地理、能源等垂直数据。你在智能体发一句话，它自动判断该去哪个数据源找答案。 结构化返回，全程自动路由，几个点特别狠，一名使用零追踪，一个入口访问海量数据源，不用到处跳，专为 ai 智能体设计结构化输出，省托肯 智能路由，你问什么，他自己判断去哪收，从专业深度到生活广度，全场景覆盖。最离谱的是安装完全不需要懂技术，三步搞定。第一步，打开智能体对话界面，发一行安装代码，它自动帮你装好。第二步，拿到 api 秘钥发给你的智能体。 第三步，自动配好搞定。装完差距有多大？同样问最近一周黄金期货走势，之前让你自己去找，现在直接从金融数据源拉实时行情 支撑位、主力位、成交量，全是专业数据，搜法律案例，之前不会找，现在直接查数据库相关信息，准确返回，不用写代码，不用改配置，一分钟装完，你的搜索能力直接降维打击。

这是个能让 ai 告别胡编乱造的实用工具。金融、法律、代码这些专业数据要么搜不到，要么全过期， ai 只能瞎编，还白烧偷啃。只需要这个工具就能轻松解决它简直是 ai 时代的搜索基础设 施。它整合了金融、法律、学术、地理多领域垂直数据源，它自带智能意图路由，你只需要在这里输入问题，不用手动选来源，它就会直接输出标准结构化结果。最离谱的是， 你只需要复制他给的这串安装代码，把它粘贴一下，发送给你的 agent， 它就可以自动接入你的智能机，全程匿名无追踪，一个入口打通全场景，省透肯又高效，就非常离谱。想省时间，不想被 ai 假信息误导，直接去用它，彻底告别 ai 胡说八道！

给你的小龙虾装上这个插件，它直接秒变行业专家。你平时用的小龙虾只能搜到百度谷歌那点表层信息，当然啥也不会。这个 叫 any search， ai search scale， 直接打通全网百分之八十的隐藏数据，查源码，做进调，搞调研，挖行业内幕，全能给你挖的明明白白，绝不下边所有信息交叉验证，还不泄露隐私。现在免费开放，有小龙虾的赶紧去装。

步入二零二六年， ai 体制能独立完成八成以上的日常工作，从逻辑严密的底层代码，到复杂的行业研报，效率之高令人惊叹。然而，一个致命的短板始终如幽灵般滞约着它们的进化，那就是搜索。 当 ai 只能触达浅层的网页总结时，它们就像是被蒙住了双眼，无论大脑多强，也无法触及冰山下的深度信息。转机发生在五月十一日， any search 正式上线。这款被科技界视为 ai 时代基础设施的产品， 瞬间引爆了全球开发者圈。它不仅仅是一个简单的搜索工具，更是一个精密的现实连接器。通过获取高质量的结构化数据， any search 让 agent 真正具备了穿透屏幕、触达并连接现实世界的能力，为 ai 装上了一双洞察真相的慧眼。 在产品经理的竞品调研场景中， any search 展现了压倒性的优势，用户只需输入一个简单的提示词，它便能瞬间整合 open a i 的 最新融资、估值、定价变动， 甚至是 app store 里的差评焦点与 reddit 社区的盲测口碑。原本需要数小时翻遍五六个平台才能整理出的深度报告， any search 仅需几秒钟便能生成， 数据精准且结构清晰。对于开发者而言， any search 更是如同拥有了天眼。在查找生产级代码实现时，它不再甩给你泛泛的入门教程，而是直接从 b、 b、 八、 p、 g、 cat 等真实生产仓库中 精确锁定一步连接池的背压逻辑与健康检查代码。它甚至能提供具体的文件路径与行号，让开发者拿到输出后即可直接指导系统架构设计， 实现从搜索到生产的无缝衔接。在投资人的竞调场景下， any search 通过可信分级，按时间线树立出最可信的融资脉络，拒绝任何虚假预测。 从聚合多平台信息到深入专业代码库， any search 将散落在互联网角落的深度信息聚齐。它的出现，标志着 ai 搜索正式迎来第四次泛式转移，它让每一次搜索不再是简单的网页罗列，而是触手可及的决策支撑。

我去，我差点学术无端了，因为 ai 帮我做的实验都是基于一个错误的资料，以前你问 ai 一个问题，错了就重新问，但现在 agent 他 不一样了，他会查资料，调工具整体结果，甚至会继续执行下一步。 如果他查到的东西本身就是假的，后面所有的步骤全都白费。所以说，我觉得 agent 时代最关键的可能不只是模型聪不聪明了，还有他从哪里查资料。我最近构建 harms 的 时候，发现了一个专门给 agent 用的统一搜索入口 any search， 我 这里做两个展示，第一个， 直接在 anysearch 官网调用，你输入一个你要查询的问题，它会返回结构化的结果，方便后续继续处理。第二个，把它接入 harms 这种 agent 里， agent 不 需要自己拆去哪儿搜， agent 只会根据意图自动路由到更合适的数据源。 它的核心价值就是在于匿名使用无追踪，一个入口就可以接多个领域的数据，结构化的输出也更加省头，很还可以通过 a p， i m c p 和 skill 入 agent 的 工作流。所以以后 agent 能不能靠谱干活，不只是看模型，也要看它的搜索入口靠不靠谱。

如果你正在让 ai 诊做资料搜索、竞品分析或者写代码前查文档，最容易卡住的不是模型不会回答，而是它到底该去哪搜，怎么搜，搜完怎么把网易燃文读回来。今天这个 github 项目叫 in search any search skill， 它的定位很直接，给 ai 诊接上一套统一的聊天机器人。这个 skill 主要做四件事， 第一，普通网页搜索，用来找公开网页和最新资料。第二，垂直领域搜索，比如金融论文漏洞、天气法律这类有固定格式的查询。第三，批量并行搜索，适合把一个大问题拆成几条线所同时查。第四，网页抽取， 把具体页面正文拉成 markdown， 再交给 agent。 基于原文总结，这对 agent 很 关键，因为模型记忆有截止日期，直接让他凭印象说很容易过期。 any search 的 价值是把先查资料，再读原文，最后总结变成工具调用，而不是全靠模型自由发挥。新手怎么上手？ randomly 的 路线其实很清楚，能在 skill 市场搜到 any search 就 直接安装，不能的话下载 getop 的 main zip， 解压后放到你的键 skills 目录里，比如 codex， cursor 或其他支持 skills agent 工具，都可以按自己的目录规则接入，然后看 n v example。 a p a 是 可选的，但建议 pay 一 名也能用，只是额度和速率更低。 配置时把 n y c 前 c 牌引起 y 写到 n 位或系统环境变量里，不要把真实 key 提交到仓库。安装后别急着证实用，先做和 c t s 约制，每建议先检查运行时 python 优先，其次 note 晚死 求后是抛射或 bash， 用榜的命令分别跑一遍，哪个环境输出最干净，就把对应命令写进 run t p 康。这样后续 a 帧调用时，不需要每次都重新探测运行环境。 真正使用时，记住三条规则，普通问题直接 search， 多个独立问题用 bash build search， 看到一篇网页报告或文档 需要引用原文时用 extract。 还有一个很重要的点，如果是股票论文漏洞，天气法律这类垂直领域，不要直接搜，先让 agent 条类似 ten domain 确认 set domain 和查询格式，再执行 search。 所以这个项目最适合的人是已经在用 codex， cursor 或其他 a 阵工具，并且希望 a 阵少一点过期信息， 多一点可追溯证据的人。我的判断是，如果你的 a 阵经常卡在，我需要先查资料这一步。 any third skill 值都放进工具箱试一遍，先跑 bug， 再做一次真实搜索， 确认链路通网，再把它沉淀进你的常用工作流。觉得有帮助可以点赞关注，也可以转给正在做 a 阵的工作流的朋友。

当其他人的龙虾还在用搜索引擎来找资料的时候，我表弟的龙虾已经在给他做世界杯的亚马逊选品了。核心就是这个专为 agent 而生的 any search skill。 划重点，它不是普通网页搜索，而是支持金融、法律、电商、教育、科技等多个垂直领域的搜索。 以前做选品要自己打开一堆页面、榜单、评论区慢慢看，而有了 any search， 你 只要说清楚想研究什么商品，它就能自动识别你的查询意图， 找到更相关的数据来源，再把商品热度、信号、用户痛点和卖点整理出来。你看这个 skill 甚至还能从评论区去反推用户的核心痛点，再帮你找出核心词、长尾词和季节词，最后会列出清晰的选品逻辑，给你找出一批合适的选品方向，同时告诉你风险点以及时间窗口。第二呢，选品只是个例子， 像法律判例、金融信息、教育资料这些类型的内容，很多不是随便搜一下就能找到的。 any sir 只会帮 agent 找到更垂直的数据员，让他少走很多弯路。更重要的是，他强调无追踪、零幺测你搜了什么，不会变成一堆被记录和分析的数据。所以以后真正好用的 agent， 不是 只会回答问题，而是为自己找对的信息再帮你判断。

啊，说个很多人啊都没发现的真相，二零二六年的 ai， 根本不是模型不够强，纯粹是被旧的搜索引擎给拖废了。 哎，您仔细品品啊，现在的 ai agent 写代码，做研报，跑复杂任务都没问题， 但是只要到搜，信息立马拉垮。说白了，就谷歌这类搜索引擎啊，传统搜索引擎啊，它只能摸到互联网百分之二十的表层信息， 那剩下的百分之八十都深藏在代码仓库、论坛、行业数据库里面的真实干货，他们是完全碰不到的。 哎，也正因为如此啊，最近爆火了一个项目叫安利色车，让这个海外的开发者彻底疯狂， 上线只一周直接冲顶技术热榜，一大堆的开发大佬呀，连夜接入。 哎，这个啊，真不是什么普通的搜索工具，它完全是适配 ai 时代的全新搜索搜索技术设施，专门解决 ai 信息下信息旧信息假的问题。它给 iint 位的全是能直接用的结构化的真实数据。咱简单说几个实打实的用处啊。 首先做竞品调研，他能一次性扒干净，融自动态竞价，变动用户差评，海外社区的真实口碑，不用自己跨平台瞎翻。 另外，哎，开发写代码，他直接就抓去 get 汉堡线上的生产级原码，精准对标多套工程方案，彻底告别凑合能用的教程代码。 这其实就是搜索行业第四次泛式转移。以前搜索啊，是帮人找信息，现在安利色车是帮 ai 真正读懂真实世界。 以前开发这个 edge 啊，光是对接各种数据源，折腾几十个接口就够折腾半天了。哎，现在不用了，一个接口通知全场三种接入方式，新手和专业开发者都能直接上手。目前呢，安利色车啊，它已经全量免费开放。 注，如果您想让您的这个 ai 引擎啊，彻底突破信息瓶颈啊，真正落地变强这个工具啊，您一定要试一试！

这四大类垃圾一定要小心谨慎，他们不仅没有任何的收藏价值，而且戴久了会对自己的身体会有影响，你们一定要码住，看完很多都是行业内幕，那这条视频呢，咱们就按照风险等级来分，首先就是我们风险等级，五颗星的就是那些被人工概念包装出来的新型水晶， 比如说炒的非常火热的金箔金利，那他呢就是人工染色叫爆花的，说白了就是科技鱼很活，那像这一类水晶的话，他是一定会有些放射性物质的， 如果说长期的去佩戴对我们的身体绝对是有害的，所以说咱们如果要去买水晶，一定要去买那些经典的水晶，不要去买一些新型名字的，很危险，要不然就是科技鱼很火，要不然就是智商税。那其次就是我们的染色水晶占四颗星，那些颜色特别艳丽，特别鲜的就尤其要小心。 我们大自然里面的纯色水晶其实就只有以上这六种，那包括紫黄金，它是一个过渡的状态，比较特殊，你们可以看一下，有一些水晶的名称里面有那种特别夸张的描述的，然后实物特别艳丽，绚烂多彩的那种，就尤其要注意了， 通常都是由工业染料浸泡成的，那你要想这些元素带在身上会有什么样的效果，像这些染料里面是绝对会有某些元素超标的，那长期去与我们的皮肤接触，对我们自身肯定是不好的。三个风险等级呢，重灾区就是我们直播间的超级福利款， 就是那些九块九、二十九块九的包邮品，有些直播间他会跟你明确是注胶的，跟你说注胶是为了保护矿石，其实这也没问题，像海蓝宝这一种特殊的水晶，他就是需要去注胶的，前提是要用的是符合国家标准的树脂胶，不影响他的安全和价值性的。 但重点是这些超低价水晶里面，他们的成本就已经在这了，他们会去用哪些胶你都是说不好的，如果说他们大量的是使用的劣质胶，那对我们的身体伤害其实是不言而喻的了。 再说一下最后一种猫眼石，猫眼石无疑它就是人造的，但好就好在它不会对我们的健康有影响。猫眼石呢，就是像这种颜色非常的漂亮，并且带有一定猫眼效应的小装饰品，像它们的话就是光感很好，这也是很多人会选择去买他们的原因，而且呢还很便宜，这一类的话，其实只要不要买贵都没有问题， 价格大概就是在几十。目前我们整体的水晶市场是比较鱼龙混杂的，很多不良商家都会用什么玄学或者是说用一些新概念去包装这些水晶， 一定要先好好的去做一下功课，如果说带到那些不好的水晶，咱们宁愿就不带，带着新手小白一定不要追求过于完美，一定要知道完美和价值绝对成正比的，如果是小预算的话，其实水晶内有棉矿 都是证明他纯天然最好的证据了。 ok， 如果你也有关于水晶方面问题，或者是你也想看看自己手里的水晶能不能带，可以评论区留言帮你看看。

嘿，大家好，今天给大家介绍一个 mac os 下极速文件搜索的小工具，叫 anysearch。 用 mac 的 朋友应该都有这个感受吧，想找个文件的时候， spotlight 搜出来一堆乱七八糟的东西， 网页、邮件、联系人全混在一起，真正想找的文件反而翻半天找不到。 fender 就 更不用说了，慢得让人怀疑人生。所以我就想，能不能做一个像 windows 上 everything 那 样的工具，专门搜文件，搜得快，搜得准。 any search 就是 干这个的， 它的核心就一个字，快！我自己测试下来，三十多万个文件，建好锁影之后，搜索基本上是零点几毫秒就出结果。 除了快，它还支持很多筛选方式，你可以按文件类型筛，比如只看 pdf， 只看图片。可以按文件大小筛，比如找大于 e g 的 文件，清理空间。也可以按修改时间筛，比如只看今天改过的文件。这些条件还能组合着用。 如果你是开发者或者经常用终端的话，它还支持类似 everything 的 查询语法，比如 x swift size 十 mb modified today 这些用起来会很顺手。 另外，它有一个全局快捷键，默认式 option 加空格随时可以呼出来，用完就收起去，不占地方。搜到文件之后，右键可以直接打开，在 find 中显示复制路径。这些常用操作都有， 隐私方面大家可以放心。 any search 完全在本地运行，不联网，不上传任何数据，它只读取文件的名称、路径大小这些原信息，不会读取文件内容。 总之，如果你跟我一样经常在 mac 上找文件找得头疼，可以试试 any search， 在 mac app store 就 能下载。好就介绍到这里，感谢大家观看，拜拜。